[发明专利]基于移动用户轨迹相似性的用户分类方法和系统

说明书

本发明涉及一种基于移动用户轨迹相似性的用户分类方法和系统，接收移动用户的移动轨迹数据并提取各移动用户的时间位置信息。根据时间位置信息，以移动用户在各基站的平均逗留时长作为权重，采用FP树挖掘对应移动用户的轨迹频繁序列。根据轨迹频繁序列和预设的加权支持度阈值提取得到对应移动用户的常驻地点，根据各移动用户的常驻地点，通过最长公共子序列算法计算移动用户的轨迹相似性结果，并根据轨迹相似性结果对移动用户进行分类。以移动用户在各基站的平均逗留时长作为权重，采用FP树挖掘对应移动用户的轨迹频繁序列并找到移动用户的常驻地点，既能保证用户的轨迹规律，又能降低数据的数量，降低了计算复杂度。

技术领域

本发明涉及通信技术领域，特别是涉及一种基于移动用户轨迹相似性的用户分类方法和系统。

背景技术

随着移动通信和移动应用的快速发展，用户对手机的使用率及依赖性不断提高，移动运营商积累了大量移动用户实时记录的定位数据。分析移动用户位置的相似性，提取移动用户的相似路径在出行路径预测、兴趣区域发现、轨迹聚类、个性化路径推荐等领域具有广泛的应用。

传统的移动用户轨迹相似性计算方法是先对用户位置进行定义建立用户－位置信息模型，然后结合时间效应利用协同过滤的算法找到区域性相似的用户。由于这种算法需要对全地市基站和用户建立矩阵，这样必然会导致稀疏矩阵的出现，数据的稀疏性为算法的执行带来灾难性的后果。传统的移动用户轨迹相似性计算方法存在计算复杂度高的缺点。

发明内容

基于此，有必要针对上述问题，提供一种可降低计算复杂度的基于移动用户轨迹相似性的用户分类方法和系统。

一种基于移动用户轨迹相似性的用户分类方法，包括以下步骤：

接收移动用户的移动轨迹数据并进行提取，得到各移动用户的时间位置信息；

根据所述时间位置信息得到对应移动用户在各基站的平均逗留时长；

以移动用户在各基站的平均逗留时长作为权重，采用FP树挖掘对应移动用户的轨迹频繁序列；

根据所述轨迹频繁序列和预设的加权支持度阈值提取得到对应移动用户的常驻地点；

根据各移动用户的常驻地点，通过最长公共子序列算法计算移动用户的轨迹相似性结果，并根据所述轨迹相似性结果对移动用户进行分类。

一种基于移动用户轨迹相似性的用户分类系统，包括：

轨迹数据提取模块，用于接收移动用户的移动轨迹数据并进行提取，得到各移动用户的时间位置信息；

逗留时长计算模块，用于根据所述时间位置信息得到对应移动用户在各基站的平均逗留时长；

频繁序列挖掘模块，用于以移动用户在各基站的平均逗留时长作为权重，采用FP树挖掘对应移动用户的轨迹频繁序列；

常驻地点提取模块，用于根据所述轨迹频繁序列和预设的加权支持度阈值提取得到对应移动用户的常驻地点；

轨迹相似性计算模块，用于根据各移动用户的常驻地点，通过最长公共子序列算法计算移动用户的轨迹相似性结果，并根据所述轨迹相似性结果对移动用户进行分类。